Введение 4
1. Постановка задачи 6
2. Обзор 7
2.1. Метод определения положения камер EPnP 7
2.2. Метод определения положения и фокусного расстояния
камер EPnPfR 8
3. Реализация метода EPnPfR 10
4. Алгоритмические улучшения EPnPfR 13
4.1. Изменение структуры алгоритма 13
4.2. Изменение метода нахождения внешних параметров камеры 15
5. Интеграция в проект Bundler 16
5.1. Структура Bundler 16
5.2. Замена метода DLT на EPnPfR 18
Заключение 20
Список литературы 21
На сегодняшний день технологии стали очень доступными. Люди могут фотографировать все вокруг себя и делиться этим в интернете, потому что почти у каждого в телефоне или планшете есть камера. Таким образом, в сети мы можем найти большие, постоянно растущие коллекции фотографий городов и достопримечательностей со всего мира, сделанных со всевозможных ракурсов. Например, при запросе ’’Собор Парижской Богоматери” поиск изображений Google выдает более 15 000 фотографий, которые могут быть использованы в качестве входных наборов данных для 3D моделирования.
Проблема создания точных трехмерных моделей представляет большой интерес и имеет широкую область применения. Например, модели городов необходимы для городского планирования и визуализации. Помимо этого, реконструированные 3D сцены важны для таких научных дисциплин, как история, археология, география и компьютерная графика, и могут использоваться в дополненной реальности. Например, навигационные приложения с 3D моделями и дополненной реальностью помогут людям гораздо лучше ориентироваться в незнакомых местах.
Существуют решения задачи реконструкции статических трехмерных сцен по наборам изображений. В большинстве из них считается, что фокусные расстояния камер заранее известны, в противном случае производится их грубая оценка. Так как камеры на многих современных устройствах имеют функцию автофокуса, возможности узнать фокусное расстояние нет. В связи с этим было принято решение попытаться улучшить существующие решения с помощью алгоритмов с более точным определением положения и фокусного расстояния камер.
Проблема оценивания положения камеры по соответствиям 3D координат точек и их проекций на плоскость камеры является очень известной в компьютерном зрении и называется PnP или PnPf, если неизвестно фокусное расстояние. Существует множество решений PnP проблемы. Главное требование к этим решениям — быстрое время выполнения для нескольких сотен точек при сохранении приемлемой точности.
Методом, удовлетворяющим данному требованию и имеющим одно из лучших соотношений скорости и точности, является EPnP [5].
Совсем недавно был представлен метод EPnPfR [4], который является расширением EPnP для задачи с неизвестным фокусом. Этот метод не уступает в точности своим конкурентам, но зато выигрывает в скорости. В EPnPfR было значительно уменьшено пространство поиска решений путем введения регуляризации. Также с помощью предобработки данных удалось сократить время выполнения методов, основанных на EPnP, для большого количества точек, что в [9] было указано в качестве недостатка данных методов.
В качестве системы для 3D реконструкции был выбран проект Bundler [7]. Он является одним из крупнейших открытых проектов в своем роде и лежит в основе многих масштабных работ. Одной из таких, например, является Building rome in a day [1].
В результате работы было выполнено следующее:
• метод EPnPfR реализован на языке Си++;
• сделаны алгоритмические улучшения метода;
• удалось интегрировать полученную реализацию в Bundler;
• проведен анализ полученных результатов;
• удалось увеличить количество добавляемых в реконструируемую модель изображений с неизвестным фокусным расстоянием.
В продолжении данной работы планируется изменение метода построения трехмерной модели по двум изображениям, используемого в Bundler, на тот, который будет более точно работать для изображений с неизвестным фокусным расстоянием камеры.
